PROCESO DE INSTALACIÓN Y CONFIGURACIÓN

---

Requisitos previos

- Cuenta activa en GitLab: https://gitlab.com/

- Sistema de control de versiones GIT:

• Windows: instalador
• Linux: sudo apt install git

• Mac: brew install git

  Nota: Si es primera ves que instala git se deberá configurar las variables globales como se indica a continuación:
  
  

  • git config --global user.name "userName"

    Advertencia: Reemplaze userName por su nombre de usuario registrado en GitLab.
    
    

  • git config --global user.email "userEmail"

    Advertencia: Reemplaze userEmail por su email registrado en GitLab.

- POSTGRESQL

• Windows: guía
• Linux: sudo apt-get install postgresql
• Mac: brew install postgresql

- VIRTUALENV

• Windows: pip install virtualenv
• Linux: sudo apt install python3-virtualenv
• Mac: guía

---

INSTALACIÓN

• POSTGRESQL

  1. Abrir el terminal e ingresar como super usuario: sudo su postgres
  2. Ingresar a la consola de postgreSQL: psql

  

  1. Crear el usuario developer: CREATE USER developer WITH PASSWORD 'secreto';

  

  1. Crear la base de datos con el nombre strategrisk: CREATE DATABASE strategrisk;

  

---

• REQUERIMIENTOS

  1. Crear un entorno virtual: virtualenv nombreEntorno -p python3

  

  1. Activar el entorno virtual: source nombreEntorno/bin/activate

  

  1. Abrir el siguiente enlace: https://gitlab.com/CarlosCastillo10/strategrisk

  2. Realizar un Fork al repositorio base

  

  1. Copiar el enlace del nuevo Fork creado.

  

  1. Clonar el respositorio: git clone enlaceCopiado

  

  1. Ingresar al repositorio clonado (cd strategrisk)e instalar los requerimientos: pip install -r requirements/prod.txt

  

---

• CONFIGURACIÓN Y CARGA DE DATOS

  1. Activar la configuración: . configuration.sh

  

  1. Crear las tablas de la base de datos: flask db upgrade

  

  1. Descargar el archivo de datos de respaldo: data.sql

  2. Cargar los datos de respaldo (data.sql):

     4.1 Ingresar como super usuario a postgress: sudo su postgres

     4.2 Ubicarse en el directorio donde se haya descargado el archivo data.sql.

     4.3 Cargar los datos: psql -d strategrisk -f data.sql

  

PROCESO DE USO Y DESARROLLO

Preparación del entorno de desarrollo.

Nota: Es necesario tener activado el entorno virtual

1. Instalar jupyter notebook: pip install jupyter (Realizarlo si es que no se encuentra instalado)
2. Activar la configuración . configuration.sh (Revisar paso 1 de CONFIGURACIÓN Y CARGA DE DATOS)

3. Levantar jupyter notebook: jupyter notebook y deberá ver una imagen como la siguiente:

   

---

OBTENCIÓN DE DATOS

Importar librerias

from sqlalchemy import create_engine
from sqlalchemy import MetaData, Table
from sqlalchemy.pool import NullPool
import pandas as pd
import plotly.graph_objs as go

Método de conexión y obtención de información de la base de datos

def df_liquidez():

    engine = create_engine('postgresql://developer:secreto@localhost:5432/strategrisk', poolclass=NullPool)
    connection = engine.connect() # Conectarse con la base de datos

    table_names = engine.table_names()
    metadata = MetaData()

    company = Table('company',metadata,autoload = True, autoload_with=engine)
    r_company = connection.execute("SELECT * FROM company").fetchall()
    df_co = pd.DataFrame(r_company, columns =company.columns.keys())
    new_row = {'taxpayer_id':'SEPS-1-1','name':'SEPS-1-1', 'nickname':'SEPS-1-1','load_col':None}
    df_co = df_co.append(new_row,ignore_index=True)

    ind = Table('indicator',metadata,autoload = True, autoload_with=engine)
    r_ind = connection.execute("SELECT * FROM indicator").fetchall()
    df_ind = pd.DataFrame(r_ind, columns =ind.columns.keys())
    
    fin_ind = Table('financialindicator',metadata,autoload = True, autoload_with=engine)
    r_fin_ind = connection.execute("SELECT * FROM financialindicator").fetchall()
    df_fin_ind = pd.DataFrame(r_fin_ind, columns =fin_ind.columns.keys())

    threshold = Table('threshold',metadata,autoload = True, autoload_with=engine)
    r_umb = connection.execute("SELECT * FROM threshold").fetchall()
    df_umb = pd.DataFrame(r_umb, columns = threshold.columns.keys())

    fin_sta = Table('financialstate',metadata,autoload = True, autoload_with=engine)
    r_fin_sta = connection.execute("""SELECT * FROM financialstate 
                                    WHERE account_code 
                                    IN ('1304','1302','11','1303','1301','14','1499','1925',
                                        '2904','2903','27','26','24','23','2105',
                                        '2103','2102','2101',
                                        '21',
                                        '2104','2103','2102','2101',
                                        '210155','210150','210145','210140','210135','210131','210131','210130',
                                        '210305','210310','210315','210320','210325','210330','4101')
                                    """).fetchall()
    df_fin_sta = pd.DataFrame(r_fin_sta, columns =fin_sta.columns.keys())

    evaluationtext = Table('evaluationtext',metadata,autoload = True, autoload_with=engine)
    r_msgs = connection.execute("SELECT * FROM evaluationtext").fetchall()
    df_evaltxt = pd.DataFrame(r_msgs, columns = evaluationtext.columns.keys())

    connection.close() # Cerrar la conexión

    df = df_co.merge(df_fin_ind,left_on='taxpayer_id',right_on='company_taxpayer_id')
    df_pt = df_fin_ind.pivot_table(index=['company_taxpayer_id','year','month'],values='value',columns=['indicator_code'])
    df_pt_finsta = df_fin_sta.pivot_table(index = ['company_taxpayer_id','year','month'],values = 'value',columns=['account_code'])

    return df_co,df_pt,df_umb,df_pt_finsta, df_evaltxt, df_ind

Extracción de información

df_co, df_liq, df_umb, df_finsta, df_evaltxt, df_indicators = df_liquidez()
df_co.head(5)

	taxpayer_id	name	nickname	load_col
0	1390013678001	15 DE ABRIL LTDA	15 DE ABRIL	None
1	1790093204001	23 DE JULIO LTDA	23 DE JULIO	None
2	1790567699001	29 DE OCTUBRE LTDA	29 DE OCTUBRE	None
3	1790501469001	ALIANZA DEL VALLE LTDA	ALIANZA DEL VALLE	None
4	1891709591001	AMBATO LTDA	AMBATO	None

---

DESARROLLO

Ejemplo de implementación

• Obtener el top 15 de las mejores compañias con Activos Líquidos en el año 2020 del mes de Enero.

df_g_liq = df_liq.copy().reset_index() # Crear una copia del dataframe de liquidez.

# Combinar los datos del dataframe de liquidez con el dataframe de compañias a través del campo relacional.
df_g_liq = df_co.merge(df_g_liq, left_on='taxpayer_id', right_on = 'company_taxpayer_id')
df_g_liq.drop(df_g_liq[df_g_liq.taxpayer_id == 'SEPS-1-1'].index, inplace=True)

# Identificar el código del indicador que hace referencia a los Activos Líquidos, en este caso es 'AL'
df_indicators.head(5)

	code	name	type	component
0	AL	activos liquidos	agregacion	LIQUIDEZ
1	DCP	Depósitos a corto plazo	agregacion	LIQUIDEZ
2	IL	inversiones liquidas	agregacion	LIQUIDEZ
3	LCP	Liquidez de corto plazo	razon	LIQUIDEZ
4	LCPPRPS	Líquidez de Corto Plazo Posición Relativa al p...	comparativo	LIQUIDEZ

'''
    * Obtener todos los datos del año 2020 del mes de Enero
    * Ordenar el dataframe a través del indicador hace referencia a los Activos Líquidos(AL) 
    de forma que se ordenen los valores mas altos primero, es decir de manera descendente.
    * Obtener el top 15 de las mejores compañias con Activos Líquidos.
'''
df_top = df_g_liq[(df_g_liq.year == 2020) & (df_g_liq.month == 1)].sort_values(by = 'AL', ascending = False)[:15]

graph = go.Bar(
    x = df_top['nickname'],
    y = df_top['AL'],
    text= df_top['AL'],
    textposition = 'inside',
    texttemplate='%{text:,.1f}',
    hovertemplate = 'Compañia: %{x}<br>Activos Líquidos: %{y:,.2f}, <extra></extra>'
)

figure = {
    'data': graph,
    'layout': {
        'title': 'Top 15 de las mejores compañias con Activos Líquidos en el año 2020 del mes de Enero',
        'yaxis': {
            'title': 'Activos Líquidos'
        }
    }
}

figure = go.Figure(figure)
figure.show()